ChatGPT面世近兩年，業(yè)內(nèi)對于AI驅(qū)動經(jīng)濟增長的判斷仍有相異觀點。高盛此前一份質(zhì)疑現(xiàn)階段生成式AI花費太多成本、帶來太少收益的報告頗具代表性。英偉達CEO黃仁勛、OpenAI CEO奧爾特曼等AI業(yè)界一些領(lǐng)軍人物近期則繼續(xù)釋放積極信號，認(rèn)為AI會提高企業(yè)效率甚至?xí)?0年內(nèi)讓全球GDP翻倍。

AI變革工業(yè)的真實情況如何？香港生產(chǎn)力局下屬香港工業(yè)人工智能及機械人研發(fā)中心總裁黎少斌向第一財經(jīng)記者提供了一些數(shù)據(jù)。據(jù)去年年底香港生產(chǎn)力局統(tǒng)計，受訪267家香港企業(yè)中有41%家正在或準(zhǔn)備應(yīng)用AI，未打算應(yīng)用和認(rèn)為沒必要應(yīng)用AI的企業(yè)占59%，該調(diào)查中的企業(yè)屬于零售及膳食、專業(yè)服務(wù)業(yè)等多種行業(yè)。對比之下，該研究中心今年針對制造業(yè)港資企業(yè)的調(diào)查顯示，18%的企業(yè)引入了智能解決方案，仍有很大比例的企業(yè)智能化程度相對較低。

“上面兩種（相異）觀點都沒錯，AI對工業(yè)的價值提升肯定有，但現(xiàn)在還有很多問題需要解決。AI對工業(yè)的改變還處于初級階段。”黎少斌告訴記者，AI應(yīng)用難點更多集中在制造業(yè)，面對豐富的制造業(yè)場景，AI解決方案廠商很難開發(fā)出一個唯一的解決方案。大模型加入后，工業(yè)AI應(yīng)用已經(jīng)加深，但目前距離做出一個通用的工業(yè)大模型尚遠，要獲取足夠的數(shù)據(jù)也存在困難。

記者采訪多名業(yè)界人士了解到，大模型如今在工業(yè)領(lǐng)域尚不算很“大”，獲取數(shù)據(jù)不足、多模態(tài)大模型還未突破限制了工業(yè)AI的想象力。而在工業(yè)機器人領(lǐng)域，在用傳統(tǒng)算法或大模型的抉擇中，目前后者不一定會是最優(yōu)答案。

AI在工業(yè)領(lǐng)域逐步滲透

“操作者可以用人類語言與機器溝通，制造業(yè)從業(yè)者操作設(shè)備游戲化了。”談及大模型給工業(yè)領(lǐng)域AI應(yīng)用帶來的改變，黎少斌告訴記者，以往從業(yè)者需要記住一定的流程，一步步按下不同頁面的按鍵來操作機器，為此工業(yè)客戶要用AI需要先培訓(xùn)員工，但大模型的能力加入后，操作者只需要輸入文本機器就能理解人的意圖，客戶的心理門檻因此降低，與該研究中心合作的客戶也增多了。

目前大模型已在工業(yè)領(lǐng)域發(fā)揮作用，但在很多場景是通過蒸餾出小模型搭載在工業(yè)設(shè)備上。在研發(fā)層面，大模型的通用性則加快了AI方案研發(fā)進度。“客戶的訴求有些時候顯得‘無厘頭’，但有了大模型后，針對原本不好滿足的訴求，研發(fā)時間可能也不需要很久了。以往需要跟客戶拿一些數(shù)據(jù)，還要考慮如何分析數(shù)據(jù)、搭建模型，可能需要花一年的時間，而現(xiàn)在能直接考慮大模型能否解決。” 黎少斌告訴記者，原本開發(fā)一個AI模板需要一兩個月，現(xiàn)在有了大模型只需要一兩周，一些比較簡單的AI應(yīng)用甚至一天之內(nèi)就能開發(fā)出來。

黎少斌向記者舉了一個案例，有客戶希望用AI辨別訂單是否會出現(xiàn)漏單，該研究中心在一天之內(nèi)就給出了AI解決方案。該客戶又提出想用AI分析產(chǎn)品能否加價的訴求，這個訴求AI不一定能完全滿足，但大模型已經(jīng)能通過分析市場趨勢來提供輔助。

香港工業(yè)人工智能及機械人研發(fā)中心開發(fā)了20個不同AI解決方案，并將這些解決方案的功能組合起來形成了物流平臺、機器人平臺等五個平臺。此外，記者了解到，AI在機器故障檢測等領(lǐng)域也用上了。

聲學(xué)AI技術(shù)服務(wù)商諦聲科技的業(yè)務(wù)包括用AI監(jiān)測工業(yè)設(shè)備、電力、軌道等領(lǐng)域的聲音信號判斷設(shè)備是否存在故障，該公司聯(lián)合創(chuàng)始人兼COO常煒熙告訴第一財經(jīng)記者，工業(yè)產(chǎn)品故障監(jiān)測至少有20%的問題能通過聲音解決。在市場對AI已有相當(dāng)關(guān)注度的2018年，常煒熙介紹公司時常將技術(shù)形容為簡單的匹配機制而非AI或機器學(xué)習(xí)，原因是當(dāng)時AI在落地上存在一些問題，但隨著AI技術(shù)演進，他現(xiàn)在更愿意談?wù)揂I，還考了大模型工程師的認(rèn)證，隨著產(chǎn)品逐漸成熟，其公司也在計劃出海。

作為投資方，港鐵公司旗下子公司MTR Lab也在關(guān)注AI的應(yīng)用，MTR Lab董事總經(jīng)理陳定邦告訴記者，該公司已投資了諦聲科技、電梯智能維護科技公司W(wǎng)eMaintain等應(yīng)用AI技術(shù)的科技公司，其中電梯智能維護公司的做法是在電梯放置多個傳感器，用AI分析運行速度、開關(guān)門情況等，判斷是否有零部件將在接下來幾天內(nèi)故障，在建筑設(shè)計領(lǐng)域AI則已經(jīng)在提高建筑信息建模企業(yè)的效率。

機器人需要用到大模型嗎？

AI也在機器人身上逐步用到。香港工業(yè)人工智能及機械人研發(fā)中心去年8月搭建了機器人平臺，該研發(fā)中心相關(guān)技術(shù)負(fù)責(zé)人告訴記者，該平臺可以提供一些AI模塊，例如視覺算法，客戶也能使用自己的AI算法，該平臺面向協(xié)作機器人、工業(yè)機器人等不同形態(tài)的機器人。

記者從業(yè)內(nèi)人士了解到，工業(yè)機器人“四大家族”中有一些開始跟第三方研究機構(gòu)合作開發(fā)AI解決方案。此外，今年4月，ABB宣布將AI嵌入全線業(yè)務(wù)，同時推進100個AI與機器人結(jié)合的項目。今年9月，國產(chǎn)工業(yè)人工智能算法企業(yè)微億智造科技也推出了搭載具身智能理論應(yīng)用的工業(yè)機器人“創(chuàng)TRON”。

優(yōu)傲全球首席商務(wù)官 Stacey Moser向第一財經(jīng)記者表示，傳統(tǒng)工業(yè)機器人專注于執(zhí)行重復(fù)性高、變化性低的大規(guī)模生產(chǎn)任務(wù)，而人工智能和AI大模型的引入，能夠讓工業(yè)機器人適應(yīng)非結(jié)構(gòu)化的環(huán)境。

不過，大模型在機器人領(lǐng)域的應(yīng)用仍受一定限制。“現(xiàn)在大模型還主要是語言大模型，在機器人身上需要開始應(yīng)用的是多模態(tài)大模型而不是語言大模型。目前的大模型在機械臂身上還沒有從研究階段過渡到真正落地。”以上技術(shù)負(fù)責(zé)人表示，以機械臂為例，機械臂講求精準(zhǔn)度，而現(xiàn)在很多大模型可以進行很多運算，但仍不能做到完美地操作機械臂。ChatGPT還只能處理文字、照片等，還難以處理物理反饋，而物理反饋在機械臂應(yīng)用中非常重要。

此外，工業(yè)機器人要不要用大模型，業(yè)內(nèi)也沒有完全達成共識。記者采訪了多名工業(yè)機器人工程師，他們都提到目前工業(yè)機器人應(yīng)用到一些AI算法，但應(yīng)用大模型還不多，大模型的作用有限。有工業(yè)機器人工程師向記者解釋，工業(yè)機器人講求穩(wěn)定與精準(zhǔn)，進行更多的是具有重復(fù)性特點的工作，因此不太需要大模型提供的通用性能力，一些傳統(tǒng)算法做得可能比大模型更好。

記者了解到，一些工業(yè)機器人廠商目前更關(guān)注利用AI提高自動化操作效率，而非利用大模型提高機器人的智能性。全球協(xié)作機器人制造商優(yōu)傲中國區(qū)總裁徐奕臨向第一財經(jīng)記者表示，公司觀察到大部分客戶會選擇將協(xié)作機器人搭載在自主移動機器人（AMR）上來提升企業(yè)自動化程度，該公司因此推出AI加速器使產(chǎn)品提升工作效率。

數(shù)據(jù)量少仍是限制

要繼續(xù)推開包括工業(yè)機器人在內(nèi)的工業(yè)領(lǐng)域的AI應(yīng)用，記者了解到，數(shù)據(jù)缺乏是一大限制，且因為數(shù)據(jù)缺乏等困難，工業(yè)領(lǐng)域還未出現(xiàn)一個具備通用性的大模型。黎少斌告訴記者，根據(jù)香港生產(chǎn)力局去年年底的調(diào)查，大約44%的香港AI企業(yè)表示在收集數(shù)據(jù)方面有困難。一名機器人領(lǐng)域的AI研發(fā)人員也告訴記者，現(xiàn)在工業(yè)領(lǐng)域還沒積累到足夠的數(shù)據(jù)可以用來做多模態(tài)大模型，但業(yè)內(nèi)已經(jīng)在往這個方向嘗試了。

常煒熙告訴記者，不同于一些AI訓(xùn)練涉及在海量數(shù)據(jù)中跑幾層神經(jīng)網(wǎng)絡(luò)，在工業(yè)領(lǐng)域做聲音監(jiān)測受限制的方面主要來自數(shù)據(jù)不太多，需要在相對小的樣本中提取出所需數(shù)據(jù)。故障不會頻繁發(fā)生，因此要從代表性案例中分析出有價值的數(shù)據(jù)來訓(xùn)練模型。

黎少斌則告訴記者，在工業(yè)領(lǐng)域，大模型無法解決所有問題的一個原因就是沒有足夠多的數(shù)據(jù)，例如做設(shè)備預(yù)維護時可以通過歷史數(shù)據(jù)和現(xiàn)有情況判斷設(shè)備是否健康，在有足夠多數(shù)據(jù)的情況下可以做一個大模型來用。但對比現(xiàn)在的語言大模型已經(jīng)用到互聯(lián)網(wǎng)上很多數(shù)據(jù)，工業(yè)領(lǐng)域要找到那么多數(shù)據(jù)還是不現(xiàn)實的。后續(xù)該研究中心有做所謂制造業(yè)大模型的想法，但這類大模型什么時候面世還不好預(yù)判。

“從數(shù)字化進程看，很多企業(yè)開始產(chǎn)生數(shù)據(jù)了，但這些數(shù)據(jù)并不是一定能用于做特定的AI解決方案。即便企業(yè)有正確的數(shù)據(jù)，也不一定能把它們找出來，這需要既懂行業(yè)知識、專業(yè)知識又懂人工智能的從業(yè)者參與到這個過程，廠家也需要增進認(rèn)知。” 黎少斌表示，廠家從去年開始就越來越多有了這種認(rèn)知，例如在做智能生產(chǎn)線時，廠家一開始就會問要開始采集哪些數(shù)據(jù)才能便于智能化升級。

“可能有一天，工業(yè)領(lǐng)域也會有一個能覆蓋很多場景的大模型，但這要非常多數(shù)據(jù)、要投入很長時間并有足夠算力才能實現(xiàn)。” 黎少斌告訴記者。